如何用Keras中的任意内核初始化卷积层？

我想通过在Keras中没有定义的特定内核初始化卷积层。举例来说，如果我定义了如下函数来初始化内核：如何用Keras中的任意内核初始化卷积层？

def init_f(shape): 
     ker=np.zeros((shape,shape)) 
     ker[int(np.floor(shape/2)),int(np.floor(shape/2))]=1 
     return ker

而且卷积层设计如下：

model.add(Conv2D(filters=32, kernel_size=(3,3), 
         kernel_initializer=init_f(3)))

我得到的错误：“无法解释初始化标识符：” 。
我跟随在类似的问题： https://groups.google.com/forum/#!topic/keras-users/J46pplO64-8 但我无法使它适应我的代码。你能帮我定义Keras中的任意内核吗？

预先感谢您。

来源

2017-06-20 Alireza Esmailzehi

几个项目来解决。我们从内核初始化器开始。从the documentation：

If passing a custom callable, then it must take the argument shape (shape of the variable to initialize) and dtype (dtype of generated values)

所以它的签名应该成为：

def init_f(shape, dtype=None)

功能将不dtype工作，但它是很好的做法，以保持它在那里。这样，你可以指定dtype到你的函数调用里面，例如：

np.zeros(shape, dtype=dtype)

这也解决了你的第二个问题：shape参数是一个元组，所以你只需要直接把它传递给np.zeros和不需要制作另一个元组。

我猜你想初始化在中间的1内核，所以你也可以概括你的函数用它接收任何形状的工作：

ker[tuple(map(lambda x: int(np.floor(x/2)), ker.shape))]=1

全部放在一起：

def init_f(shape, dtype=None): 
    ker = np.zeros(shape, dtype=dtype) 
    ker[tuple(map(lambda x: int(np.floor(x/2)), ker.shape))]=1 
    return ker

最后一个问题。您需要将功能到层，而不是调用的结果：

model.add(Conv2D(filters=32, kernel_size=(3,3), 
        kernel_initializer=init_f))

层功能将通过参数init_f。

来源

2017-07-06 19:37:48 ggallo

如何用Keras中的任意内核初始化卷积层？

回答

相关问题